英伟达 (NVIDIA)
全球最大的 AI 芯片与计算平台公司，设计高性能 GPU 并提供 CUDA 统一计算平台，以及基于 InfiniBand/Spectrum-X 的数据中心网络解决方案。
CUDA 软件生态壁垒极深，数百万开发者形成极高的迁移成本；软硬件系统（GPU+NVLink+InfiniBand）协同设计带来无可匹敌的集群性能优势，处于事实上的生态垄断地位。
公司概况
英伟达成立于 1993 年，由黄仁勋（Jensen Huang）、克里斯·马拉科夫斯基和柯蒂斯·普里姆共同创立，总部位于美国加利福尼亚州圣克拉拉。公司最初专注于 3D 图形加速卡（GPU），面向游戏市场。
2012 年，深度学习研究者发现 GPU 的并行计算架构极其适合神经网络训练，英伟达敏锐地抓住了这一历史性拐点，将公司战略从“游戏图形公司”全面转向“AI 计算平台公司”。此后十余年，英伟达市值从约 100 亿美元飙升至超过 3 万亿美元，成为全球市值最高的半导体公司之一，也是 AI 时代最大的硬件基础设施赢家。
核心业务
数据中心计算 | 营收占比约 88%（2025 财年）
这是英伟达最核心的业务，也是 AI 算力军备竞赛的绝对主角：
- GPU 产品线：从 Hopper（H100/H200）到 Blackwell（B200/B100）架构，单芯片算力每两年翻一番以上。最新的 B200 GPU 拥有超过 2080 亿个晶体管，采用台积电 4NP 定制工艺，AI 训练性能较 H100 提升约 4 倍，推理性能提升高达 30 倍（在 FP4 精度下）。2025 年 GTC 上发布的 Blackwell Ultra（B300）进一步优化了稀疏计算和内存带宽，支持更大规模模型训练。
- Grace CPU：基于 ARM Neoverse V2 架构的服务器 CPU，通过 NVLink-C2C 与 GPU 实现 900 GB/s 的高速互联，专为 AI 和 HPC 场景设计。最新 Grace Blackwell 组合（GB200）将两个 B200 GPU 与一个 Grace CPU 通过 NVLink 融合，形成超级芯片。
- DGX/NVL 整机系统：英伟达不仅卖芯片，还推出集成 GPU、CPU、NVSwitch 和液冷散热系统的完整 AI 服务器机架。例如 GB200 NVL72 将 36 颗 Grace CPU 和 72 颗 Blackwell GPU 通过 NVLink 互联，形成一个单机架、144petaFLOPs（FP4）的巨型 GPU 集群，直接面向微软、Meta、Google 等超大规模云厂商销售。
网络互连 | 营收占比约 10%（通过 Mellanox 产品线）
2020 年，英伟达以 69 亿美元收购 Mellanox，获得 InfiniBand 和高速以太网互连技术。这一收购是构建全栈 AI 基础设施的关键拼图。在万卡/十万卡集群中，GPU 间的通信效率直接决定训练速度。英伟达通过 NVLink + InfiniBand + Spectrum-X 以太网平台，提供端到端的网络解决方案，其中 Spectrum-X 专为 AI 优化的以太网架构，可降低尾部延迟达 30% 以上，成为云厂商自建网络的重要替代方案。
游戏与可视化 | 营收占比约 9%（2025 财年）
GeForce RTX 50 系列（Blackwell 架构）显卡仍是游戏市场的绝对王者，支持 DLSS 4 与神经渲染技术。同时，该业务为 Omniverse 工业数字孪生平台提供底层 RTX 渲染能力，并延伸至专业可视化（RTX PRO）板块，但营收规模持续收缩，已低于总收入的 10%。
技术护城河
英伟达的垄断地位来自三个维度构成的“铁三角”：
CUDA 软件生态：自 2007 年推出以来，CUDA 已成为 AI 开发者的默认计算平台。PyTorch、TensorFlow、JAX 等所有主流深度学习框架底层均基于 CUDA 加速。全球超过 500 万 AI 研究者和工程师编写的每一行代码，都在强化 CUDA 的迁移壁垒。竞争对手（如 AMD 的 ROCm）即使造出算力相当的硬件，也无法在短期内让海量开发者全部迁移，且 CUDA 12.x 系列持续引入动态并行、内存池等独占特性，进一步拉大生态差距。
系统级协同设计：英伟达不是单纯的芯片公司，而是提供 GPU + NVLink + NVSwitch + InfiniBand/Spectrum-X + 液冷机架 + CUDA 的全栈系统。从单一晶体管到十万卡集群的每一层互联，均由英伟达自主设计和优化。这种从硅片到数据中心的一体化能力，使得 AMD 或任何初创公司即使复制个别芯片，也无法复制整个系统的端到端性能增益。
产能优先权：在台积电 CoWoS 先进封装产能极度紧缺的时期，英伟达凭借其最大客户的身份，锁定了绝大多数产能配额。2024–2025 年，英伟达占据了台积电 CoWoS 总产能的 60% 以上，迫使竞争对手即使设计出有竞争力的芯片，也无法获得足够的封装产能来大规模出货。
市场格局
| 维度 | 数据 |
|---|---|
| AI 训练芯片市场份额 | 约 80%–85%，绝对垄断 |
| 市值（2025 年 7 月） | 约 3.1 万亿美元 |
| 主要竞对 | AMD（唯一有效威胁，Instinct MI300X 系列）、华为海思（国产替代，昇腾 910B/920）、云厂商自研 ASIC（Google TPU v5p、Amazon Trainium2、Microsoft Maia 100） |
| 核心客户 | 微软、Meta、Google、AWS、Oracle、OpenAI、xAI 等 |
财务与增长
| 指标 | 数据 |
|---|---|
| 营收（2025 财年，截至 2025 年 1 月） | 约 1305 亿美元 |
| 数据中心营收 | 约 1152 亿美元 |
| 毛利率 | 约 73.5%（硬件） |
| 核心增长逻辑 | AI 模型参数规模持续膨胀（GPT-4 级别到万亿参数甚至更大）→ 算力需求指数级增长；万卡/十万卡集群建设 → 网络互连产品同步受益；推理需求爆发（如 ChatGPT 月活超 2 亿）带来 GPU 推理部署的长期新增量 |
风险与总结
主要风险：
- 云厂商自研芯片（TPU、Trainium、Maia）正加速迭代，可能在未来 2–3 年削减对英伟达的依赖，尤其是推理场景。
- 美国出口管制政策（如 2022 年起的 A100/H100 对华禁令）限制了英伟达在中国市场的收入（约占总营收 15%–20%，且存在不确定性），同时催生了华为昇腾等强大的国产替代竞争者。
- AMD 的 ROCm 生态正快速追赶，通过开源和兼容 CUDA 代码（HIP）降低迁移成本，长期来看竞争格局可能存在缓慢松动风险。
核心产业价值： 英伟达是 AI 产业链中“卖铲子”的终极形态。它不直接运营大模型，但每一行大模型代码的训练、每一次 AI 推理的调用，都在为英伟达贡献利润。在系统级护城河（CUDA 生态 + 全栈硬件协同设计 + 产能锁定）被彻底打破之前，英伟达将继续占据 AI 硬件价值的最大份额，并定义未来计算基础设施的演进方向。